Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
SEER: адаптивное сжатие CoT через самообучение
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Провальные ответы LLM на 14% длиннее успешных — длинный CoT не помогает, а вредит. SEER позволяет генерировать короткие точные цепочки рассуждений без потери качества — сжимает CoT на 42%. Best-of-N отбирает короткие правильные примеры из N вариантов, адаптивный фильтр режет по порогу длины (среднее между mean и median), дообучение учит модель на этих данных. Модель перестаёт зацикливаться в loops («Wait, if...») — 94% обрезаний исчезают, латентность падает в 5 раз.
Дайджест исследования
Контент доступен только для PRO подписчиков
Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку